首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于流形学习的人脸表情识别研究

摘要第1-6页
ABSTRACT第6-10页
第一章 绪论第10-18页
   ·引言第10页
   ·研究背景及意义第10-11页
   ·国内外研究概况及发展趋势第11-12页
   ·表情识别处理流程第12-15页
     ·数据的获取第13页
     ·人脸图像预处理第13页
     ·人脸检测及定位第13-14页
     ·表情特征获取第14页
     ·特征降维第14-15页
     ·表情识别第15页
   ·流形学习算法的发展现状及其在表情识别中的应用第15-16页
   ·本文主要工作与布局第16-18页
第二章 人脸定位及局部表情特征提取第18-31页
   ·基于 AdaBoost 的人脸检测定位第18-21页
   ·基于积分投影的人脸局部区域分割第21-27页
   ·人脸表情局部特征提取第27-29页
     ·LBP 算法的原理及特征提取示例第27-28页
     ·Gabor 小波算法的原理及特征提取示例第28-29页
   ·本章小结第29-31页
第三章 流形学习算法第31-45页
   ·引言第31-32页
   ·线性降维算法第32-34页
     ·主元分析算法(PCA)第32-33页
     ·线性判别分析算法(LDA)第33-34页
   ·流形学习算法第34-40页
     ·流行学习的基本理论第34-35页
     ·等距映射算法(ISOMAP)第35-37页
     ·局部线性嵌入算法(LLE)第37-38页
     ·局部切空间排列算法(LTSA)第38-40页
   ·算法的实验分析及比较第40-44页
     ·人工合成数据第40-42页
     ·JAFFE 人脸表情数据第42-44页
     ·讨论第44页
   ·本章小结第44-45页
第四章 泛化的局部切空间排列算法与人脸表情识别第45-58页
   ·泛化的 LTSA 算法第45-46页
     ·GLTSA 算法第45页
     ·LLTSA 算法第45-46页
   ·有监督流形学习算法第46-47页
   ·SGILTSA 算法的提出第47-49页
   ·仿真实验及分析第49-56页
     ·SGILTSA 算法在人脸识别中的实验及分析第50-54页
     ·SGILTSA 算法在人脸表情识别中的实验及分析第54-56页
   ·本章小结第56-58页
第五章 总结与展望第58-60页
   ·总结第58页
   ·研究展望第58-60页
致谢第60-61页
参考文献第61-65页
附录第65-66页
详细摘要第66-68页

论文共68页,点击 下载论文
上一篇:基于DSP的闯红灯抓拍系统研究与设计
下一篇:分布式容灾系统的研究与实现